任务群

摘要： “实用性阅读与交流”是《普通高中语文课程标准(2017年版)》规定的必修课程中七个任务群之一。本文以演讲教学为例,阐释“实用性阅读与交流”任务群的具体实施过程。

摘要： 语文大单元教学是基于语文学习任务群的一种教学方式。从单课教学到单元教学,再到大单元教学,彰显了语文教学改革的发展历程。大单元教学的兴起,回应了充满不确定性的未来对教育提出的新要求。大单元教学的本质追求是学习方式的变革:从知识为本的概念教学走向通过情境解决复杂问题,从而提升素养;从被动接受走向自主、合作、探究。为了更好地落实这种学习方式的变革,大单元教学实施时大多会组织项目化学习。

摘要： 以任务群引领古诗词鉴赏学习,教师要对任务群内容设计、投放时机、实施活动、落实情况做考量,顺利启动深度学习机制,让学生自觉进入学习探索环节。古诗词鉴赏与任务群结合,这是教学新课题。教师在执行教学程序时,要做好教学观察,根据学生反馈情况做出必要调整,突出学生学习主体地位,凸显古诗词鉴赏学习品质。

摘要： 教师利用教学生成做好课程资源调整,符合主体教学基本要求,符合学生学习诉求。特别是任务群调度下的课堂,教师借助任务群展开具体布设和调度,能够为学生提供更多鲜活的体验,并促进教学生成的诞生,为课堂教学进一步改进提供参数。教学生成随处可见,教师要有及时捕捉的意识,利用教学生成进行教学调动,能够带来丰富的学习动机。

摘要： 新课程新教材实施以来,单元教学有了全新的内涵和意义。本文以高中语文为例,探讨在新课程、新教材背景下的单元教学评价。通过分析研究,提出了单元教学评价的整体性原则和五个评价项目,以期引领单元教学的方向。

摘要： 随着语文统编教科书研究的不断深入,“整体教学与任务情境”渐渐成为统编教材使用的范畴。由此,将语文元素转化为学生实际的学业成果,既能关注其学习方式上的转变,又能从中观照学生学业品质。因此,将学习成果作为确定教学目标的依据,将母题、主题、问题、话题变为可行的教学抓手,进行逆向教学,推动学生学习品质的深度发展。

摘要： 高中语文学习的任务群以任务为导向,以学习项目为载体,充分整合学习情境、学习内容、学习方法和学习资源,引导学生在运用语言的过程中提升语文学科核心素养。简单来说,就是学生围绕学习任务来主动学习的过程。新课改对课堂提出了新的要求,传统的讲授式已经无法满足培养学生自主学习的能力,也无法调动学生学习的主观能动性,无法实现学生在教学活动中的主体作用。所以在高中语文学习中,教师可以鼓励学生先根据任务群对学习资源进行整合和利用,来完成学习任务,进而学习语文知识。本文主要探讨高中语文教学中任务群设置的重要性和策略。

摘要： 本文通过结合《普通高中语文课程标准》中“语言积累、梳理与探究”任务群的具体要求,来探讨高中文言教学实践中存在的一些问题,并以此提出提高教师文言素养、训练学生文言思维、整体把握和关键评析文言、善于归纳积累、鼓励学生文言表达等方法策略,希望给高中文言教学提供一定的启发。

摘要： 本文聚焦《西游记》"取经事、取经路、取经人"三个的核心阅读"节点",设计并组织以阅读"节点"为基础的"志·真之经""恒·西之游""心·梦之队"三个专题任务群探究活动,引导学生发现新的阅读方向,找到阅读能力发展的生长点,实现名著文本由静态学习内容转成读插图、绘路图、演剧图动态学习情境,努力攻活"节点",使名著阅读不断走向深入。

摘要： 为培养学生的主动学习意识与能力,本文提出了以核心素养为切入点的小学语文学习活动单元整体设计的思路与方法。以学习理论和活动理论为指导,根据学习目标、内容的不同特点,对语文学习活动进行了分析与分类,在此基础上,给出了小学语文学习活动单元整体设计的基本流程与具体方法,并通过具体案例讨论了语文学习活动单元整体设计的效果与价值。

摘要： 本发明涉及一种面向群智感知的多人协作任务分配方法，属于移动群智感知领域。涉及基于用户社交网络和图神经网络的任务分配方法，挖掘群智感知用户之间潜在的合作关系及用户和任务之间的潜在关系，提高群智感知用户协作执行任务的质量。本发明方法包括两个阶段：首先，为了获取协作偏好和能力，分别学习组和任务的嵌入；其次，为每个任务搜索最优组，使整体效用最大化。通过上述方法，有效地挖掘任务和用户之间交互的潜在信息，为后续的任务分配提供支撑，提高分配后的任务执行质量。

摘要： 移动群智感知行为决策过程中，采用单一类型的历史行为来预测用户的单一偏好标签，模型的泛化能力弱，推荐效率不高，基于此本发明提出了一种融合多视图用户行为预测的移动群智感知任务推荐方法。特别地，该方法从多时间行为序列出发，采用注意力机制，根据不同用户社交影响力的强弱，为不同的用户个体行为设定不同的权重，计算群用户行为在不同时间粒度下的聚合表示。再将单个用户多尺度行为序列特征与社交网络中群用户多尺度行为序列特征融合，提取单用户多视图嵌入行为序列特征。最后通过多标签预测，获取用户对多种任务类型的偏好概率。本发明提出的方法有效地提高任务推荐的准确率和降低感知成本的同时，可以有效应对冷启动问题。

摘要： 本发明公开了一种移动群智感知变速多任务分配问题的混合蛙跳求解方法包括以下步骤：(1)问题信息读取，包括每个任务和每位用户的坐标，以及用户信誉度等问题中的数据；(2)初始化算法参数，使用基于启发信息的目标锚定混合初始化算子生成初始种群；(3)对种群进行约束处理，计算种群中所有个体的目标值，确定非支配解集放入外部存储器；(4)进入快速收敛阶段，对种群根据快速非支配排序结果使用“S”型分组方式划分子组，对各个子组进行基于离散跳跃规则的局部搜索，将各子组混洗，基于非支配概念更新外部存储器，对外部存储器中的个体采用外部档案个体区域挖掘策略，等。本发明具有搜索速度快，搜索能力强，规划的分配方案更合理的优点。

摘要： 任务推荐是当前移动群智感知研究的热点和难点，现有任务推荐忽略任务历史数据的多样性，及不同的感知任务之间可能存在某种关联性，本发明提出了一种多模态相似度网络融合方法，通过融合用户历史参与任务在各模态信息下的相似度网络，构建历史任务之间的相似度网络，然后采用谱聚类方法对相似度网络进行剪枝分类，将历史任务进行划分，最后计算新任务与历史任务之间的多模态相似度，进而判断新任务是否适合推荐给用户。本发明提出的方法，通过从多模态角度研究移动群智感知的任务推荐问题，融合多种有效信息，最终使得对感知用户群的剖析更细致，对感知任务的划分更明确，从而进行的任务推荐更加合理，有效避免资源浪费、节约能耗的同时，提高参与者的积极性，减少恶意用户的数量，提高感知质量。

摘要： 一种基于智能交通系统的多任务协同群智感知方法，由平台发布一般任务、车辆上传投标信息、路侧单元计算车辆精度、平台选择车辆执行一般任务、平台发布紧急任务、平台选择车辆执行紧急任务步骤组成。采用不同特点的一般任务和紧急任务，细化了任务的需求；在招募车辆时采用不同的车辆精度和单位资源的报价，多个车辆可以协同执行任务，提高了任务的精度；提出的一般任务车辆资源选择方法，在满足每个一般任务成本预算约束和车辆资源约束的基础上，最大化一般任务总效用；提出的紧急任务车辆资源选择方法，在满足紧急任务的精度要求、价值要求、延时要求的基础上，最大化剩余的一般任务总效用，减少了偶发紧急任务对正在进行一般任务的影响。

摘要： 该发明专利名为“一种基于CMOA的移动群智感知任务分配方法”。通过对执行者数据进行Circle混沌映射，将执行者用户进行混沌映射，使其分布更加均匀。其次在寻优过程中针对进行个体实行精英反向学习机制，生成精英反向解，通过扩大其候选解的集合，提高算法寻找全局最优的能力。在混沌蜉蝣优化算法寻优后期对劣势蜉蝣个体实行基于柯西变异的扰动机制，在劣势蜉蝣个体附近生成更大的扰动，保证种群的进化方向，提高算法收敛能力，提高求解精度。保证移动群智感知系统的效用值和感知数据的有效性，有效提高了任务分配的有效性和准确性。

摘要： 一种群智感知下基于单车辆无人机的路径规划和任务调度方法，利用单车辆以及部署在该单车辆上的一定数量的无人机，协作完成一定区域内的群智感知任务，提升群智感知的工作效率并降低成本，主要包括：根据感知区域及目标地点构造带权连通完全图的方法、路径规划随机优化方法、以及对单车辆无人机进行联合路径规划和任务调度的优化算法。该方法主要借助单车辆及部署在该车辆上的无人机，通过对单车辆和无人机的联合优化调度，以提升群智感知的任务完成效率，同时降低任务执行成本。

摘要： 本发明提供基于量子被囊群搜索机制的云计算任务调度方法，包括：根据任务与虚拟机的分配矩阵，构建任务在虚拟机上的执行时间矩阵和执行成本矩阵并构建数学模型；初始化被囊群搜索机制的量子位置并设定参数；计算每只被囊的适应度值，根据每只被囊的适应度值将全部被囊进行排序；根据被囊群搜索机制产生量子旋转角，使用模拟的简化量子旋转门更新被囊的量子位置；应用贪心策略，确定新一代被囊群的量子位置，根据适应度值将全部被囊进行排序；判断是否达到最大迭代次数G，若未达到，令g＝g+1，返回步骤四；若达到，则终止迭代循环，根据最后一代中的最优量子位置的映射位置所对应的任务与虚拟机的分配矩阵得到最终的任务调度策略。

摘要： 一种基于用户预分组的机会式群智感知在线任务分配方法，机会式群智感知系统中拥有多个任务请求者和多个可执行感知任务的用户，每个任务请求者拥有一至多个任务，每个任务不可分割，每个任务需要一个用户完成，任务请求者和用户在目标环境中随机移动，感知任务的分配和感知结果的返回均只能在任务请求者和用户在空间上直接相遇的时候进行，感知任务和结果的交互通过短距离无线通信方式进行，主要包括：结合任务负载和相遇规律的用户预分组方法，基于最先空闲用户优先分配和最大负载任务优先分配的组内在线任务分配方法，目标是最小化所有任务请求者所有任务的最大期望完成时间。

摘要： 任务推荐是目前移动群智感知研究的热点和难点，现有的任务推荐忽略了历史数据模态的多样性，以及为了弥补异质性差异，目前的方法大多遵循通过构建公共空间来融合多模态数据特征，导致不同模态缺乏了在不同粒度的特征融合。针对以上的不足，本发明通过对感知用户的历史任务数据进行交叉引导自注意力挖掘出不同粒度的数据融合特征，实现了模态内和模态间的互补性，降低了融合不相关数据的风险。本发明提出的方法从多模态角度研究移动群智感知的任务推荐问题，通过对多种模态的历史数据的融合，生成了与感知用户偏好更匹配的任务推荐，不仅提高了系统性能，同时也提高了感知用户参与任务的积极性，保障了感知数据质量。